Obsidian + AI 知识库构建：从碎片到体系的进化

前言

2025年之前，我的笔记散落在 Notion、Evernote 和本地 Markdown 文件中。每次需要查找信息时，都要在多个平台间切换，效率极低。

从 2025 年开始，我全面迁移到 Obsidian，并引入了 AI 辅助工作流。两年后，这个知识库已经积累了超过 2000 篇笔记，成为我工作和学习的核心基础设施。

这篇文章记录完整的构建过程，包括工具链、工作流和最佳实践。

一、为什么选择 Obsidian

1.1 竞品对比

1.2 核心优势

Obsidian 的核心价值：
├── 本地优先 ✅
│   ├── 数据完全掌控
│   ├── 离线可用
│   └── 长期可读（纯 Markdown）
├── 双向链接 ✅
│   ├── 自然连接笔记
│   ├── 知识图谱可视化
│   └── 发现隐性关联
├── 插件生态 ✅
│   ├── 社区插件丰富
│   ├── 可高度定制
│   └── API 开放
└── AI 集成 ✅
    ├── 本地 LLM 支持
    ├── 云端 API 接入
    └── 自动化工作流

二、基础配置

2.1 目录结构

vault/
├── 00-inbox/              # 临时收集箱
├── 01-projects/           # 项目笔记
│   ├── project-a/
│   └── project-b/
├── 02-areas/              # 持续关注的领域
│   ├── ai-infrastructure/
│   ├── devops/
│   └── personal/
├── 03-resources/          # 参考资料
│   ├── articles/
│   ├── books/
│   └── snippets/
├── 04-archive/            # 归档笔记
├── templates/             # 笔记模板
└── attachments/           # 图片、文件

2.2 核心插件

2.3 同步方案

我的选择：Git + GitHub（免费 + 版本控制 + 多设备同步）

# 初始化 Git
git init
git remote add origin git@github.com:username/vault.git

# 配置自动提交
# .obsidian/plugins/quickadd/settings.json
{
  "macros": [
    {
      "name": "Daily Commit",
      "commands": [
        "git add .",
        "git commit -m 'Daily sync: {{date}}'",
        "git push"
      ]
    }
  ]
}

三、AI 辅助工作流

3.1 智能摘要

场景：阅读长文章后快速生成摘要

---
AI 摘要
---

## 核心观点

1. ...
2. ...

## 关键数据

| 指标 | 值 |
|------|-----|
| ... | ... |

## 我的思考

- ...

插件配置（Smart Connections）：

设置 → Smart Connections → Embeddings
- Embeddings provider: OpenAI / Local
- Model: text-embedding-3-small

3.2 自动标签

场景：新笔记自动添加相关标签

// Templater 模板
<%*
const text = tp.system.prompt("请输入笔记内容");
const response = await fetch("http://localhost:11434/api/generate", {
  method: "POST",
  body: JSON.stringify({
    model: "llama3.1",
    prompt: `为以下内容生成3-5个标签，用逗号分隔：\n\n${text}`,
    stream: false
  })
});
const data = await response.json();
tp.file.insert_line(0, `tags: ${data.response.trim()}`);
%>

3.3 知识关联

场景：发现笔记间的隐性关联

使用 Smart Connections 插件：
1. 打开笔记
2. 点击 "Find Connections"
3. AI 推荐相关笔记
4. 一键添加双向链接

3.4 智能搜索

场景：模糊搜索相关知识

传统搜索：关键词匹配
AI 搜索：语义匹配

示例：
搜索 "如何优化 API 响应时间"
→ 返回：
  - 缓存策略笔记
  - CDN 配置笔记
  - 数据库索引笔记
  - 负载均衡笔记

四、知识体系构建

4.1 MOC（Map of Content）

MOC 是知识体系的骨架，用于组织相关笔记：

# AI Infrastructure MOC

## 核心概念
- [[LLM 基础]]
- [[向量数据库]]
- [[RAG 架构]]

## 实践指南
- [[本地 LLM 部署]]
- [[API 调用优化]]
- [[成本管控]]

## 工具评测
- [[Ollama 评测]]
- [[vLLM 评测]]
- [[LangChain 评测]]

## 待整理
- [ ] 多模态模型
- [ ] Agent 框架

4.2 笔记模板

---
title: {{title}}
date: {{date}}
tags: []
related: []
status: draft
---

# {{title}}

## 背景

## 核心内容

## 关键要点

## 行动项

## 相关链接
- 

## 参考来源
- 

4.3 每日笔记

---
date: {{date}}
tags: [daily]
---

# {{date:YYYY-MM-DD}}

## 会议

## 任务

## 学习

## 思考

## 明日计划

五、Dataview 查询示例

5.1 未归档的项目笔记

TABLE status, date
FROM #project AND -#archive
SORT date DESC

5.2 本周添加的笔记

TABLE tags
FROM #
WHERE date >= date(today) - dur(7 days)
SORT date DESC

5.3 高价值笔记（被引用最多）

TABLE length(rows) as "引用次数"
FROM #
FLATTEN file.inlinks AS link
GROUP BY link
SORT length(rows) DESC
LIMIT 10

六、最佳实践

6.1 捕获原则

6.2 整理流程

每周整理流程：
1. 清空 inbox（移动或归档）
2. 更新 MOC（添加新笔记）
3. 检查孤立笔记（无链接的笔记）
4. 更新索引笔记（高价值笔记）
5. 归档旧项目

6.3 AI 使用边界

七、总结

Obsidian + AI 知识库的核心价值：

1. 知识沉淀：从碎片到体系，形成可检索的知识库
2. 思维外化：将思考过程可视化，便于回顾和迭代
3. 效率提升：AI 辅助减少重复劳动，聚焦核心价值
4. 长期价值：本地存储确保长期可读，不受平台限制

推荐配置：

更新日志：本文基于2026年5月实践编写，插件和配置可能随时间变化，请以官方文档为准。